百度百科版本

机器学习领域判别模型是一种对未知数据 y 与已知数据 x 之间关系进行建模的方法。判别模型是一种基于概率理论的方法。已知输入变量 x ,判别模型通过构建条件概率分布 P(y|x) 预测 y 。

查看详情

 

维基百科版本

判别模型,也称为条件模型,是一类用于统计分类的模型,尤其是在有监督的 机器学习中。判别分类器试图通过仅依赖于观察到的数据进行建模,同时学习如何从给定的统计数据进行分类。监督学习中使用的方法可以分为判别模型或生成模型。与生成模型相比,判别模型对分布的假设较少,但在很大程度上取决于数据的质量。

例如,给定一组狗和兔子的标记图片,辨别模型将新的未标记图片与最相似的标记图片匹配,然后给出标签类,狗或兔子。然而,生成将开发一个模型,应该能够从他们所做的假设输出类标签到未标记的图片,就像所有兔子都有红眼。典型的判别学习方法包括逻辑回归(LR),支持向量机SVM) ),条件随机场(CRF)(在无向图上指定)等。典型的生成模型方法包含朴素贝叶斯,高斯混合模型等。

查看详情

 

【入门】生成式模型和判别式模型

【入门】机器学习–判别式模型与生成式模型